相关系数热力图渐变配色
时间: 2025-02-01 07:04:28 浏览: 43
### 创建带有渐变配色的相关系数热力图
为了创建一个带有渐变配色的相关性热力图,可以利用 `seaborn` 库中的 `heatmap` 函数并结合 `pandas` 来计算数据框之间的相关性矩阵。下面是一个完整的例子,展示了如何实现这一点。
#### 导入必要的库
首先,导入所需的 Python 库:
```python
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
```
#### 加载数据集
使用内置的数据集作为示例,这里选用的是 `iris` 数据集:
```python
# 使用seaborn自带的鸢尾花数据集为例
df = sns.load_dataset('iris')
```
#### 计算相关性矩阵
通过调用 Pandas 的 `.corr()` 方法来获取特征间的皮尔逊相关系数矩阵:
```python
correlation_matrix = df.corr()
```
#### 绘制热力图
设置图表大小,并应用 `sns.heatmap()` 函数绘制热力图,其中设置了参数 `cmap='coolwarm'` 用于指定颜色方案;`annot=True` 表明在单元格内显示具体数值;`linewidths=0.5` 定义网格线宽度[^1]。
```python
plt.figure(figsize=(8, 6))
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', linewidths=0.5)
# 添加标题和其他细节
plt.title('Correlation Matrix Heatmap of Iris Dataset Features', fontsize=14)
plt.show()
```
此代码片段将会生成一张展示不同变量之间关系强度的彩色方块组成的图像,颜色越深表示正向关联度越高,反之则代表负向关联程度较大。
阅读全文
相关推荐


















